Relazione
Tonino
2023-06-23
Analisi iscrizioni universitarie negli anni
Andremmo ad analizzare le iscrizioni universitarie nelle varie province italiane dal 2010 al 2022 in modo da poter rispondere alle domande:
Quali sono stati gli anni con il maggior numero di iscrizioni univeristarie?
Qual’è l’andamento nazionale e per singola provincia
Come sono ditribute le iscrizioni univesitarie in Italia?
Il dataset
Il dataset è stato creato dal unione e la rielaborazione di più datasets, ad ogni dataset è associato uno script per il carciamento e l’ elaborazione dei dati.
Dataset iscrizioni univeristarie
Il primo script elabora un dataset con il numero di iscritti universitari divisi per provincia italiana, il dataset di partenza è composto da Anno Accademico, Provincia, Sesso e numero di iscritti.
Lo script è in oltre composto da diverse funzioni utili per l’ estrazione dei dati:
if(!exists("foo", mode="function")) source("db_universita.r")## Warning: il pacchetto 'dplyr' è stato creato con R versione 4.1.3##
## Caricamento pacchetto: 'dplyr'## I seguenti oggetti sono mascherati da 'package:stats':
##
## filter, lag## I seguenti oggetti sono mascherati da 'package:base':
##
## intersect, setdiff, setequal, unionhead(xResidenza)## AnnoA IstatP ResidenzaP SESSO Isc
## 1 2021/2022 1 TORINO F 35766
## 2 2021/2022 1 TORINO M 29351
## 3 2021/2022 2 VERCELLI F 2237
## 4 2021/2022 2 VERCELLI M 1624
## 5 2021/2022 3 NOVARA F 4956
## 6 2021/2022 3 NOVARA M 3641Andiamo ora ad analizzare il numero di iscritti selezionando ad esempio la provincia di udine:
library(dplyr)
library(ggplot2)## Warning: il pacchetto 'ggplot2' è stato creato con R versione 4.1.3iscrittiUD <- iscrittiByProvincia("UDINE")
(iscrittiUD)## # A tibble: 12 x 3
## AnnoA ResidenzaP IscrittiTot
## <chr> <chr> <int>
## 1 2010/2011 UDINE 13117
## 2 2011/2012 UDINE 12700
## 3 2012/2013 UDINE 12245
## 4 2013/2014 UDINE 11999
## 5 2014/2015 UDINE 11867
## 6 2015/2016 UDINE 11998
## 7 2016/2017 UDINE 12324
## 8 2017/2018 UDINE 12579
## 9 2018/2019 UDINE 12800
## 10 2019/2020 UDINE 13229
## 11 2020/2021 UDINE 13775
## 12 2021/2022 UDINE 13904iscrittiUD[which.max(iscrittiUD$IscrittiTot),]## # A tibble: 1 x 3
## AnnoA ResidenzaP IscrittiTot
## <chr> <chr> <int>
## 1 2021/2022 UDINE 13904iscrittiUD[which.min(iscrittiUD$IscrittiTot),]## # A tibble: 1 x 3
## AnnoA ResidenzaP IscrittiTot
## <chr> <chr> <int>
## 1 2014/2015 UDINE 11867ggplot(iscrittiUD,aes(y=AnnoA,x=IscrittiTot)) +
geom_col()+
geom_text(aes(label = IscrittiTot)) 
paste(("Media:"),mean(iscrittiUD$IscrittiTot) )## [1] "Media: 12711.4166666667"paste(("Varianza:"),var(iscrittiUD$IscrittiTot))## [1] "Varianza: 464412.992424242"Possiamo notare dal grafico che dal 2010 al 2015 le iscrizioni al univeristà in provincia di Udine sono scese fino a raggiugere il picco minimo nel anno accademico del 2014/2015, per poi ricominciare a salire nuovamente ogni anno di più fino a raggiugere il picco massimo proprio nello scorso anno accademico
iscritti2020MF <- iscrittiByAnno("2020/2021")
(iscritti2020MF)## AnnoA IstatP ResidenzaP SESSO Isc
## 1 2020/2021 1 TORINO F 35199
## 2 2020/2021 1 TORINO M 29369
## 3 2020/2021 2 VERCELLI F 2235
## 4 2020/2021 2 VERCELLI M 1636
## 5 2020/2021 3 NOVARA F 4948
## 6 2020/2021 3 NOVARA M 3788
## 7 2020/2021 4 CUNEO F 7884
## 8 2020/2021 4 CUNEO M 5673
## 9 2020/2021 5 ASTI F 2843
## 10 2020/2021 5 ASTI M 2112
## 11 2020/2021 6 ALESSANDRIA F 5444
## 12 2020/2021 6 ALESSANDRIA M 4117
## 13 2020/2021 7 AOSTA F 1878
## 14 2020/2021 7 AOSTA M 1384
## 15 2020/2021 8 IMPERIA F 2475
## 16 2020/2021 8 IMPERIA M 1958
## 17 2020/2021 9 SAVONA F 3825
## 18 2020/2021 9 SAVONA M 2816
## 19 2020/2021 10 GENOVA F 13332
## 20 2020/2021 10 GENOVA M 10717
## 21 2020/2021 11 LA SPEZIA F 3335
## 22 2020/2021 11 LA SPEZIA M 2580
## 23 2020/2021 12 VARESE F 11996
## 24 2020/2021 12 VARESE M 9205
## 25 2020/2021 13 COMO F 7832
## 26 2020/2021 13 COMO M 5932
## 27 2020/2021 14 SONDRIO F 2075
## 28 2020/2021 14 SONDRIO M 1508
## 29 2020/2021 15 MILANO F 46898
## 30 2020/2021 15 MILANO M 39092
## 31 2020/2021 16 BERGAMO F 16094
## 32 2020/2021 16 BERGAMO M 11854
## 33 2020/2021 17 BRESCIA F 16860
## 34 2020/2021 17 BRESCIA M 12505
## 35 2020/2021 18 PAVIA F 7451
## 36 2020/2021 18 PAVIA M 5676
## 37 2020/2021 19 CREMONA F 4697
## 38 2020/2021 19 CREMONA M 3567
## 39 2020/2021 20 MANTOVA F 4733
## 40 2020/2021 20 MANTOVA M 3562
## 41 2020/2021 21 BOLZANO F 3936
## 42 2020/2021 21 BOLZANO M 2481
## 43 2020/2021 22 TRENTO F 8546
## 44 2020/2021 22 TRENTO M 6345
## 45 2020/2021 23 VERONA F 12744
## 46 2020/2021 23 VERONA M 10506
## 47 2020/2021 24 VICENZA F 12320
## 48 2020/2021 24 VICENZA M 9779
## 49 2020/2021 25 BELLUNO F 2607
## 50 2020/2021 25 BELLUNO M 2018
## 51 2020/2021 26 TREVISO F 12161
## 52 2020/2021 26 TREVISO M 10293
## 53 2020/2021 27 VENEZIA F 11135
## 54 2020/2021 27 VENEZIA M 9490
## 55 2020/2021 28 PADOVA F 14889
## 56 2020/2021 28 PADOVA M 12421
## 57 2020/2021 29 ROVIGO F 3024
## 58 2020/2021 29 ROVIGO M 2336
## 59 2020/2021 30 UDINE F 7617
## 60 2020/2021 30 UDINE M 6158
## 61 2020/2021 31 GORIZIA F 1848
## 62 2020/2021 31 GORIZIA M 1557
## 63 2020/2021 32 TRIESTE F 3540
## 64 2020/2021 32 TRIESTE M 3014
## 65 2020/2021 33 PIACENZA F 3880
## 66 2020/2021 33 PIACENZA M 2875
## 67 2020/2021 34 PARMA F 7008
## 68 2020/2021 34 PARMA M 5516
## 69 2020/2021 35 REGGIO EMILIA F 7362
## 70 2020/2021 35 REGGIO EMILIA M 5423
## 71 2020/2021 36 MODENA F 9755
## 72 2020/2021 36 MODENA M 7625
## 73 2020/2021 37 BOLOGNA F 15347
## 74 2020/2021 37 BOLOGNA M 12207
## 75 2020/2021 38 FERRARA F 4362
## 76 2020/2021 38 FERRARA M 3645
## 77 2020/2021 39 RAVENNA F 4912
## 78 2020/2021 39 RAVENNA M 3584
## 79 2020/2021 40 FORLI'-CESENA F 5327
## 80 2020/2021 40 FORLI'-CESENA M 4102
## 81 2020/2021 41 PESARO E URBINO F 5872
## 82 2020/2021 41 PESARO E URBINO M 4410
## 83 2020/2021 42 ANCONA F 8178
## 84 2020/2021 42 ANCONA M 6428
## 85 2020/2021 43 MACERATA F 5408
## 86 2020/2021 43 MACERATA M 4166
## 87 2020/2021 44 ASCOLI PICENO F 3942
## 88 2020/2021 44 ASCOLI PICENO M 3192
## 89 2020/2021 45 MASSA CARRARA F 2989
## 90 2020/2021 45 MASSA CARRARA M 2306
## 91 2020/2021 46 LUCCA F 6062
## 92 2020/2021 46 LUCCA M 4534
## 93 2020/2021 47 PISTOIA F 4402
## 94 2020/2021 47 PISTOIA M 3310
## 95 2020/2021 48 FIRENZE F 16238
## 96 2020/2021 48 FIRENZE M 13075
## 97 2020/2021 49 LIVORNO F 4758
## 98 2020/2021 49 LIVORNO M 3818
## 99 2020/2021 50 PISA F 7232
## 100 2020/2021 50 PISA M 5931
## 101 2020/2021 51 AREZZO F 5247
## 102 2020/2021 51 AREZZO M 3935
## 103 2020/2021 52 SIENA F 4266
## 104 2020/2021 52 SIENA M 3506
## 105 2020/2021 53 GROSSETO F 3014
## 106 2020/2021 53 GROSSETO M 2279
## 107 2020/2021 54 PERUGIA F 11622
## 108 2020/2021 54 PERUGIA M 8643
## 109 2020/2021 55 TERNI F 3654
## 110 2020/2021 55 TERNI M 2948
## 111 2020/2021 56 VITERBO F 5155
## 112 2020/2021 56 VITERBO M 3998
## 113 2020/2021 57 RIETI F 2813
## 114 2020/2021 57 RIETI M 2177
## 115 2020/2021 58 ROMA F 84849
## 116 2020/2021 58 ROMA M 69889
## 117 2020/2021 59 LATINA F 10538
## 118 2020/2021 59 LATINA M 8197
## 119 2020/2021 60 FROSINONE F 9157
## 120 2020/2021 60 FROSINONE M 7044
## 121 2020/2021 61 CASERTA F 21147
## 122 2020/2021 61 CASERTA M 15918
## 123 2020/2021 62 BENEVENTO F 6207
## 124 2020/2021 62 BENEVENTO M 4752
## 125 2020/2021 63 NAPOLI F 60096
## 126 2020/2021 63 NAPOLI M 48859
## 127 2020/2021 64 AVELLINO F 9736
## 128 2020/2021 64 AVELLINO M 7592
## 129 2020/2021 65 SALERNO F 23614
## 130 2020/2021 65 SALERNO M 18859
## 131 2020/2021 66 L'AQUILA F 6717
## 132 2020/2021 66 L'AQUILA M 5445
## 133 2020/2021 67 TERAMO F 6088
## 134 2020/2021 67 TERAMO M 4602
## 135 2020/2021 68 PESCARA F 6093
## 136 2020/2021 68 PESCARA M 4967
## 137 2020/2021 69 CHIETI F 7601
## 138 2020/2021 69 CHIETI M 5796
## 139 2020/2021 70 CAMPOBASSO F 4674
## 140 2020/2021 70 CAMPOBASSO M 3555
## 141 2020/2021 71 FOGGIA F 12603
## 142 2020/2021 71 FOGGIA M 9371
## 143 2020/2021 72 BARI F 23924
## 144 2020/2021 72 BARI M 19379
## 145 2020/2021 73 TARANTO F 10212
## 146 2020/2021 73 TARANTO M 8162
## 147 2020/2021 74 BRINDISI F 7075
## 148 2020/2021 74 BRINDISI M 5263
## 149 2020/2021 75 LECCE F 15774
## 150 2020/2021 75 LECCE M 12475
## 151 2020/2021 76 POTENZA F 8210
## 152 2020/2021 76 POTENZA M 6243
## 153 2020/2021 77 MATERA F 4215
## 154 2020/2021 77 MATERA M 3324
## 155 2020/2021 78 COSENZA F 15381
## 156 2020/2021 78 COSENZA M 11283
## 157 2020/2021 79 CATANZARO F 8359
## 158 2020/2021 79 CATANZARO M 6076
## 159 2020/2021 80 REGGIO CALABRIA F 12564
## 160 2020/2021 80 REGGIO CALABRIA M 8899
## 161 2020/2021 81 TRAPANI F 7815
## 162 2020/2021 81 TRAPANI M 5938
## 163 2020/2021 82 PALERMO F 21963
## 164 2020/2021 82 PALERMO M 18081
## 165 2020/2021 83 MESSINA F 12555
## 166 2020/2021 83 MESSINA M 9662
## 167 2020/2021 84 AGRIGENTO F 8998
## 168 2020/2021 84 AGRIGENTO M 6618
## 169 2020/2021 85 CALTANISSETTA F 5585
## 170 2020/2021 85 CALTANISSETTA M 4287
## 171 2020/2021 86 ENNA F 3391
## 172 2020/2021 86 ENNA M 2278
## 173 2020/2021 87 CATANIA F 21071
## 174 2020/2021 87 CATANIA M 16564
## 175 2020/2021 88 RAGUSA F 5370
## 176 2020/2021 88 RAGUSA M 4045
## 177 2020/2021 89 SIRACUSA F 6664
## 178 2020/2021 89 SIRACUSA M 5339
## 179 2020/2021 90 SASSARI F 8574
## 180 2020/2021 90 SASSARI M 6131
## 181 2020/2021 91 NUORO F 4325
## 182 2020/2021 91 NUORO M 2662
## 183 2020/2021 92 CAGLIARI F 7841
## 184 2020/2021 92 CAGLIARI M 6081
## 185 2020/2021 93 PORDENONE F 4246
## 186 2020/2021 93 PORDENONE M 3331
## 187 2020/2021 94 ISERNIA F 1666
## 188 2020/2021 94 ISERNIA M 1259
## 189 2020/2021 95 ORISTANO F 2785
## 190 2020/2021 95 ORISTANO M 1893
## 191 2020/2021 96 BIELLA F 2230
## 192 2020/2021 96 BIELLA M 1662
## 193 2020/2021 97 LECCO F 4896
## 194 2020/2021 97 LECCO M 3631
## 195 2020/2021 98 LODI F 3103
## 196 2020/2021 98 LODI M 2302
## 197 2020/2021 99 RIMINI F 4876
## 198 2020/2021 99 RIMINI M 3659
## 199 2020/2021 100 PRATO F 3551
## 200 2020/2021 100 PRATO M 2665
## 201 2020/2021 101 CROTONE F 3672
## 202 2020/2021 101 CROTONE M 2693
## 203 2020/2021 102 VIBO VALENTIA F 3525
## 204 2020/2021 102 VIBO VALENTIA M 2576
## 205 2020/2021 103 VERBANO CUSIO OSSOLA F 1899
## 206 2020/2021 103 VERBANO CUSIO OSSOLA M 1318
## 207 2020/2021 108 MONZA E BRIANZA F 12362
## 208 2020/2021 108 MONZA E BRIANZA M 9877
## 209 2020/2021 109 FERMO F 3008
## 210 2020/2021 109 FERMO M 2377
## 211 2020/2021 110 BARLETTA - ANDRIA - TRANI F 7458
## 212 2020/2021 110 BARLETTA - ANDRIA - TRANI M 5618
## 213 2020/2021 111 SUD SARDEGNA F 5544
## 214 2020/2021 111 SUD SARDEGNA M 3618
## 215 2020/2021 998 PROVINCIA ESTERA F 19707
## 216 2020/2021 998 PROVINCIA ESTERA M 19393
## 217 2020/2021 999 PROVINCIA NON DEFINITA F 334
## 218 2020/2021 999 PROVINCIA NON DEFINITA M 202paste(("Media iscritti femmine:"),mean(filter(iscritti2020MF, iscritti2020MF$SESSO == 'F')$Isc) )## [1] "Media iscritti femmine: 9440.8623853211"paste(("Media iscritti maschi:"),mean(filter(iscritti2020MF, iscritti2020MF$SESSO == 'M')$Isc) )## [1] "Media iscritti maschi: 7438.45871559633"iscritti <- iscrittiTotPerAnno()## `summarise()` has grouped output by 'AnnoA', 'ResidenzaP'. You can override
## using the `.groups` argument.(iscritti)## # A tibble: 1,308 x 3
## # Groups: AnnoA, ResidenzaP [1,308]
## AnnoA ResidenzaP IscrittiTot
## <chr> <chr> <int>
## 1 2010/2011 AGRIGENTO 15460
## 2 2010/2011 ALESSANDRIA 8899
## 3 2010/2011 ANCONA 14478
## 4 2010/2011 AOSTA 3283
## 5 2010/2011 AREZZO 9015
## 6 2010/2011 ASCOLI PICENO 7810
## 7 2010/2011 ASTI 4387
## 8 2010/2011 AVELLINO 19279
## 9 2010/2011 BARI 46544
## 10 2010/2011 BARLETTA - ANDRIA - TRANI 12336
## # ... with 1,298 more rows#Anno e provincia con più iscrizioni
(iscritti[which.max(iscritti$IscrittiTot),])## # A tibble: 1 x 3
## # Groups: AnnoA, ResidenzaP [1]
## AnnoA ResidenzaP IscrittiTot
## <chr> <chr> <int>
## 1 2020/2021 ROMA 154738Dataset residenti
Il dataset residenti serve per poi calcolare la precentuale degli iscritti in modo da poter studiare il numero di iscrizioni relative alla popolazione delle province.
if(!exists("foo", mode="function")) source("db_residenti.r")## `summarise()` has grouped output by 'AnnoA', 'ResidenzaP'. You can override
## using the `.groups` argument.Il dataset è stato composto unendo un dataset con gli abitanti dal 2010 al 2019 e altri due dataset con gli iscritti del 2020 2021
View(abitantidb)Da questo dataset calcoliamo poi le percentuali di iscritti per ogni provincia
percentualeIscritti <- iscrittiTotPercentuale()Unione dati e studio
Dopo aver costruito i vari dataset con le informazioni che ci servivano li uniamo in un solo dataset su cui fare le analisi.
if(!exists("foo", mode="function")) source("unioneDatasets.r")## `summarise()` has grouped output by 'AnnoA', 'ResidenzaP'. You can override
## using the `.groups` argument.
## `summarise()` has grouped output by 'ResidenzaP', 'Totale_casi2020',
## 'Totale_casi2021'. You can override using the `.groups` argument.## Warning: il pacchetto 'sf' è stato creato con R versione 4.1.3## Linking to GEOS 3.10.2, GDAL 3.4.1, PROJ 7.2.1; sf_use_s2() is TRUE## Warning: il pacchetto 'mapview' è stato creato con R versione 4.1.3View(dbCompleto)Il dataset completo è costiuito da Regione e Provincia, Anno Solare e Accademico, Iscrizioni universitari, Residenti nella provincia e numero di iscritti in percentuale.
db2010 <- dbCompletoPerAnno('2010/2011')## [1] "2010/2011"db2011 <- dbCompletoPerAnno('2011/2012')## [1] "2011/2012"db2012 <- dbCompletoPerAnno('2012/2013')## [1] "2012/2013"db2013 <- dbCompletoPerAnno('2013/2014')## [1] "2013/2014"db2014 <- dbCompletoPerAnno('2014/2015')## [1] "2014/2015"db2015 <- dbCompletoPerAnno('2015/2016')## [1] "2015/2016"db2016 <- dbCompletoPerAnno('2016/2017')## [1] "2016/2017"db2017 <- dbCompletoPerAnno('2017/2018')## [1] "2017/2018"db2018 <- dbCompletoPerAnno('2018/2019')## [1] "2018/2019"db2019 <- dbCompletoPerAnno('2019/2020')## [1] "2019/2020"db2020 <- dbCompletoPerAnno('2020/2021')## [1] "2020/2021"db2021 <- dbCompletoPerAnno('2021/2022')## [1] "2021/2022"anno <- c(
'2010',
'2011',
'2012',
'2013',
'2014',
'2015',
'2016',
'2017',
'2018',
'2019',
'2020',
'2021'
)
medie <- c(
round(mean(db2010$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2011$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2012$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2013$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2014$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2015$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2016$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2017$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2018$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2019$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2020$PercentIscritti, na.rm=TRUE),digits = 2),
round(mean(db2021$PercentIscritti, na.rm=TRUE),digits = 2))
dbMedie <- data.frame(anno, medie)Creiamo ora un istogramma con le medie delle percentuali di iscrizioni delle varie province per capire se le iscrizioni negli ultimi 10 anni è aumentata o diminuità.
Come possiamo notare dal istogramma le iscrizioni in precentuale sono rimaste regolari, non sono aumentate o diminuite di molto, con un picco di iscrizioni nel 2020/2021.
ggplot(dbMedie,aes(y=medie,x=anno))+
geom_histogram(stat='identity',fill="lightblue")+
geom_text(aes(label = medie), vjust = 1.5, colour = "black")## Warning in geom_histogram(stat = "identity", fill = "lightblue"): Ignoring
## unknown parameters: `binwidth`, `bins`, and `pad`
La Web APP
Per avere una visione più dinamica dei contenuti è stata creata una pagina web.
Vi sono due viste:
Istogramma del andamento delle iscirzioni per la provincia selezionata.
Mappa del italia con le percentuali delle province idicate da colore e raggio dei cerchi nel anno selezionato
Dalle mappe dei vari anni si può notare che la percentuale di isciritti al università è maggiore al sud rispetto che al nord.
Screen del sito nella vista georafica delle percentuali di iscritti
if(!exists("foo", mode="function")) source("app.r")## Warning: il pacchetto 'shiny' è stato creato con R versione 4.1.3## Warning: il pacchetto 'leaflet' è stato creato con R versione 4.1.3## Warning: il pacchetto 'htmltools' è stato creato con R versione 4.1.3Per l’ avvio del applicazione andare nel file e avviare l’ applicazione.